基于点的代数连通强度和非负矩阵分解的肿瘤基因分类  

Classification of tumor gene based on the algebraic connectivity strength of point and nonnegative matrix factorization

作　　者：王年[1] 宋豪[1] 汪沁紫 

机构地区：[1]安徽大学计算机智能与信号处理教育部重点实验室,安徽合肥230039

出　　处：《安徽大学学报（自然科学版）》2015年第1期92-96,共5页Journal of Anhui University(Natural Science Edition)

基　　金：国家自然科学基金资助项目(60772121);安徽省自然科学基金资助项目(1208085MF93);安徽大学"211工程"学术创新团队基金资助(KJTD007A);安徽大学2013年大学生科研训练计划资助项目(KYX12013032)

摘　　要：随着DNA微列阵技术的发展,利用基因表达谱数据进行生物信息的有效挖掘已经成为研究热点.因此,该文中提出将点的代数连通强度与非负矩阵分解相结合的方法对基因表达数据进行分类处理.首先利用点的代数连通强度剔除受外界因素影响过大的基因数据并用修正的特征计分准则进行计分排序,选取具有高计分的基因子集;接着利用近来流行的非负矩阵分解将该基因子集映射到极低维的特征空间;最后利用SVM分类器实现分类实验.通过几组公开的基因表达谱数据集的实验结果以及与其他方法的对比分析,验证了该方法是有效的、可行的.With the rapid development of DNA micro array,using the existing data processing technology to excavate gene data efficiently has become a hot research in bioinformatics.Therefore,this paper puts forward a method which combines the algebraic connectivity strength of point with nonnegative matrix factorization to categorize the gene expression data processing.First,use the algebraic connectivity strength of point to eliminate the useless genes expression data;then,score and rank the genes expression data based on revised feature score criterion;next,use nonnegative matrix factorization to map the gene subset to a feature space of very low dimension;at last,categorize the gene expression by using SVM classifier.Some representative groups of gene expression data are used for test,and the feasibility and effectiveness of this algorithm has been well proved by contrast tests between other methods.

关 键 词：基因表达数据 点的代数连通强度 非负矩阵分解 修正的特征计分准则 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]